本发明专利技术公开一种炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统，涉及生产优化技术领域，能够对炼化生产装置进行准确的稳态工况分析，以辅助生产过程做出可靠的优化调整。该炼化生产装置的稳态工况分析方法包括：获取装置生产时的原始数据集，包括装置在多个时间点所对应的仪表显示数据；根据预设的检测规则对仪表显示数据进行异常数据检测，并对其中的异常数据进行处理得到剔除异常数据后的数据集；将剔除异常数据后的数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态；基于各个稳态下的时间点，根据预设的合并规则合并得到炼化生产装置的稳态工况时间段。置的稳态工况时间段。置的稳态工况时间段。
【技术实现步骤摘要】
炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统
[0001]本专利技术涉及生产优化
，尤其涉及一种炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统。
技术介绍
[0002]流程工业生产决策方式，从以往的依靠经验发展到目前的工艺专家建立机理模型测算，经历了两个阶段的变化。
[0003]凭经验决策阶段：缺乏测算工具和模型，计划人员依据统计数据和经验来为生产计划分配物流走向；操作员根据自己的操作经验和操作手册，结合现场的生产情况给出操作参数调整方向，并通过化验分析结果一步步小幅度调整。
[0004]工艺专家用机理模型测算指导阶段：通过工况标定，建立和校正机理模型，再由工艺专家根据专业知识提出的优化思路，利用机理模型模拟测算或者设置简单的优化策略进行测算来验证，最后得到生产计划和操作方案用于指导生产。
[0005]准确的测量数据和稳态工况判断是准确模拟和优化炼油和化工生产装置的关键。但在现实情况下，生产运行数据不可避免存在错误、缺失、异常等问题，需要经过处理才能进一步使用，且生产运行一直处在波动中，给生产过程的模拟和优化带来了困难。
[0006]因此，现有技术中提出了一些数据处理方法。在现有技术中，数据处理由人工判定或根据预设阈值对异常数据进行筛选。但测量点之间可能存在一定的关联关系或依存关系，若违背了这些关系，数据即使不超出预设范围，仍可能属于异常，所以通过简单设置阈值并不能完全剔除异常数据。基于此数据基础上的稳态分析结果也会受到影响，进而影响炼油和化工生产装置建模和优化结果。
技术实现思路
[0007]本专利技术的目的在于提供一种炼油和化工生产装置的稳态工况分析方法、优化调试方法及系统，能够对炼油和化工生产装置进行准确的稳态工况分析，以辅助对后续的生产过程做出可靠的优化调整。
[0008]为了实现上述目的，本专利技术的第一方面提供一种炼油和化工生产装置的稳态工况分析方法，包括：
[0009]获取炼油和化工生产装置生产时的原始数据集，所述原始数据集中包括炼油和化工生产装置在多个时间点所对应的仪表显示数据；
[0010]根据预设的检测规则对所述仪表显示数据进行异常数据检测，并对其中的异常数据进行替换处理得到正常数据集；
[0011]将正常数据集中各个时间点所对应的仪表显示数据统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态工况；
[0012]基于各个稳态工况下的时间点，合并得到炼油和化工生产装置的稳态工况时间
段。
[0013]优选地，根据预设的检测规则对所述仪表显示数据进行异常数据检测，并对其中的异常数据进行替换处理后得到数据集的方法包括：
[0014]预设的检测规则包括超量程范围检测规则、仪表异常检测规则、超正常范围检测规则、关联关系异常检测规则、违反产能检测规则、违反依赖性检测规则中的一种或多种；
[0015]将所选用检测规则制作成数据筛板，利用所述数据筛板对原始数据集中的仪表显示数据进行异常数据检测；
[0016]针对检测出的异常数据采用预设方案进行替换处理，所述替换处理的方式包括填充上次正常的仪表显示数据、填充前n次正常值的平均值(n为预设值)、插值、留空、填零中的任一种；
[0017]基于原始数据集中的正常数据及替换处理异常数据后的正常数据，汇总得到正常数据集。
[0018]优选地，从炼油和化工生产装置的全部仪表中筛选出部分关键仪表对炼油和化工生产装置进行稳态分析。
[0019]较佳地，将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态的方法包括：
[0020]炼油和化工生产装置中各个关键仪表的稳态阈值可以预设或使用自学习的方法自动获取、更新；
[0021]持续读取数据集中每个关键仪表在各个时间点中的仪表显示数据，并计算各个时间点对应的每个关键仪表在一段时间内的相对标准差；
[0022]当时间点对应仪表的相对标准差小于对应关键仪表的稳态阈值，则判断该时间点对应的关键仪表处于稳态，否则判断该时间点对应的关键仪表处于非稳态。
[0023]进一步地，将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态的方法还包括：
[0024]当时间点中每个关键仪表均为稳态则该时间点炼油和化工生产装置状态对应为稳态，否则该时间点对应为非稳态；
[0025]将各个时间点的状态按照时序排列后汇总。
[0026]优选地，基于各个稳态时间点，合并后得到炼油和化工生产装置的稳态时间段的方法包括以下一种或多种：
[0027]将均处于稳态的相邻时间点合并为稳态时间段，将均处于非稳态的相邻时间点合并为非稳态工况时间段；
[0028]当两段稳态时间段相邻时，分别计算各稳态时间段中各仪表显示数据的均值m0和m1，并在|m0‑
m1|≤|m*m0|时，将相邻的两段稳态时间段合并为同一条稳态时间段，所述m为预设的相似度阈值。
[0029]非稳态时间段长度小于最低长度阈值时，将上述时间段与前一时间段合并，状态设为前一时间段的状态；
[0030]采用无监督的聚类算法K
‑
means对稳态时间段长度大于最高长度阈值的稳态时间段进行聚合拆分。一个稳态时间段为一个稳态工况。
[0031]示例性地，超正常范围检测规则中的上限参考值和下限参考值的设定方法包括：
[0032]在炼油和化工生产装置正常生产过程中，从原始数据集中筛选出同一仪表对应的仪表显示数据；
[0033]采用自学习的方法将筛选出的仪表显示数据进行运算，求得超正常范围检测规则中的上限参考值和下限参考值。
[0034]优选地，炼油和化工生产装置中各个关键仪表的筛选及其稳态阈值是通过自学习来获得的。
[0035]与现有技术相比，本专利技术提供的炼油和化工生产装置的稳态工况分析方法具有以下有益效果：
[0036]本专利技术提供的炼油和化工生产装置的稳态工况分析方法中，通过对炼油和化工生产装置的生产过程持续监控，获取到各仪表在各个时间点上对应的显示数据，进而汇总得到炼油和化工生产装置的原始数据集，然后利用预设的检测规则对每个仪表对应的仪表显示数据进行异常检测，并对其中的异常数据进行替换处理得到正常数据集，然后将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态，最终基于各个稳态下的时间点对炼油和化工生产装置的稳态时间段进行稳态分析，进而确定稳态工况，辅助决策者对后续的生产过程做出可靠的优化调整，实现炼油和化工生产装置的效益最大化。
[0037]可见，本专利技术通过对原始数据集中的异常数据进行处理，确保了稳态分析数据的可靠性，而上述稳态时间段中的稳态数据对炼油和化工生产装置的原料、操作条件、产品分布本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种炼油和化工生产装置的稳态工况分析方法，其特征在于，包括：获取炼油和化工生产装置生产时的原始数据集，所述原始数据集中包括炼油和化工生产装置在多个时间点所对应的仪表显示数据；根据预设的检测规则对所述仪表显示数据进行异常数据检测，并对其中的异常数据进行替换处理得到正常数据集；将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态工况；基于各个稳态工况下的时间点，根据合并规则合并得到炼油和化工生产装置的稳态工况时间段。2.根据权利要求1所述的方法，其特征在于，根据预设的检测规则对所述仪表显示数据进行异常数据检测，并对其中的异常数据进行替换处理后得到数据集的方法包括：预设的检测规则包括超量程范围检测规则、仪表异常检测规则、超正常范围检测规则、关联关系异常检测规则、违反产能检测规则、违反依赖性检测规则中的一种或多种；将所选用检测规则制作成数据筛板，利用所述数据筛板对原始数据集中的仪表显示数据进行异常数据检测；针对检测出的异常数据采用预设方案进行替换处理，所述替换处理的方式包括填充上次正常的仪表显示数据、填充前n次正常值的平均值、插值、留空、填零中的任一种；基于原始数据集中的正常数据及替换异常数据后得到的正常数据，汇总得到正常数据集。3.根据权利要求1所述的方法，其特征在于，从炼油和化工生产装置的全部仪表中筛选出部分关键仪表对炼油和化工生产装置进行稳态工况分析。4.根据权利要求3所述的方法，其特征在于，将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是否处于稳态的方法包括：预设或自学习炼油和化工生产装置中各个关键仪表的稳态阈值；持续读取数据集中每个关键仪表在各个时间点中的仪表显示数据，并计算各个时间点对应的每个关键仪表在一段时间内的相对标准差；当时间点对应仪表的相对标准差小于对应关键仪表的稳态阈值，则判断该时间点对应的关键仪表处于稳态，否则判断该时间点对应的关键仪表处于非稳态。5.根据权利要求4所述的方法，其特征在于，将正常数据集中各个时间点所对应的仪表显示数据的统计学特征与稳态条件下预设或自学习获得的阈值比对，判断各个时间点是...
【专利技术属性】
技术研发人员：王士波，陈露，吴永文，钱承军，卡米尔，
申请(专利权)人：北京宜能高科科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。